scipy.special.stdtrit#
- scipy.special.stdtrit(df, p, out=None) = <ufunc 'stdtrit'>#
学生 t 分布的第 p 个分位数。
此函数是学生 t 分布累积分布函数 (CDF) 的逆函数,返回 t,使得 stdtr(df, t) = p。
返回参数 t,使得 stdtr(df, t) 等于 p。
- 参数:
- dfarray_like
自由度
- parray_like
概率
- outndarray,可选
函数结果的可选输出数组
- 返回:
- t标量或 ndarray
t 的值,使得
stdtr(df, t) == p
另请参阅
stdtr
学生 t CDF
stdtridf
关于 df 的 stdtr 的逆函数
scipy.stats.t
学生 t 分布
注释
学生 t 分布也可作为
scipy.stats.t
使用。直接调用stdtrit
可以提高性能,与scipy.stats.t
的ppf
方法相比(请参见下面的最后一个示例)。示例
stdtrit
表示学生 t 分布 CDF 的逆函数,该函数可作为stdtr
使用。在这里,我们计算x=1
处df
的 CDF。然后,对于 df 的相同值和计算的 CDF 值,stdtrit
返回1
,直到浮点错误。>>> import numpy as np >>> from scipy.special import stdtr, stdtrit >>> import matplotlib.pyplot as plt >>> df = 3 >>> x = 1 >>> cdf_value = stdtr(df, x) >>> stdtrit(df, cdf_value) 0.9999999994418539
绘制三个不同自由度的函数图。
>>> x = np.linspace(0, 1, 1000) >>> parameters = [(1, "solid"), (2, "dashed"), (5, "dotted")] >>> fig, ax = plt.subplots() >>> for (df, linestyle) in parameters: ... ax.plot(x, stdtrit(df, x), ls=linestyle, label=f"$df={df}$") >>> ax.legend() >>> ax.set_ylim(-10, 10) >>> ax.set_title("Student t distribution quantile function") >>> plt.show()
可以通过为 df 提供 NumPy 数组或列表来同时计算多个自由度的函数。
>>> stdtrit([1, 2, 3], 0.7) array([0.72654253, 0.6172134 , 0.58438973])
通过为 df 和 p 提供适用于广播的形状的数组,可以同时计算多个不同自由度的多个点处的函数。计算 3 个自由度的 4 个点的
stdtrit
,得到形状为 3x4 的数组。>>> dfs = np.array([[1], [2], [3]]) >>> p = np.array([0.2, 0.4, 0.7, 0.8]) >>> dfs.shape, p.shape ((3, 1), (4,))
>>> stdtrit(dfs, p) array([[-1.37638192, -0.3249197 , 0.72654253, 1.37638192], [-1.06066017, -0.28867513, 0.6172134 , 1.06066017], [-0.97847231, -0.27667066, 0.58438973, 0.97847231]])
t 分布也可作为
scipy.stats.t
使用。直接调用stdtrit
可能比调用scipy.stats.t
的ppf
方法快得多。要获得相同的结果,必须使用以下参数化:scipy.stats.t(df).ppf(x) = stdtrit(df, x)
。>>> from scipy.stats import t >>> df, x = 3, 0.5 >>> stdtrit_result = stdtrit(df, x) # this can be faster than below >>> stats_result = t(df).ppf(x) >>> stats_result == stdtrit_result # test that results are equal True